本篇内容主要讲解“怎么利用Matlab实现迭代适应点算法”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“怎么利用Matlab实现迭代适应点算法”吧!
道格拉斯-普克算法(Douglas–Peucker algorithm,亦称为拉默-道格拉斯-普克算法、迭代适应点算法、分裂与合并算法)是将曲线近似表示为一系列点,并减少点的数量的一种算法。它的优点是具有平移和旋转不变性,给定曲线与阈值后,抽样结果一定。
1.在曲线首尾两点间虚连一条直线,求出其余各点到该直线的距离。
2.选其最大者与阈值相比较,若大于阈值,则离该直线距离最大的点保留,否则将直线两端点间各点全部舍去。
3.依据所保留的点,将已知曲线分成两部分处理,重复第1、2步操作,迭代操作,即仍选距离最大者与阈值比较,依次取舍,直到无点可舍去,最后得到满足给定精度限差的曲线点坐标。
Long Time Later
为了代码简单易理解,这里使用了二分迭代,含详细注释代码如下(代码片可左右滑动)。
function nPntSet=dp(pntSet,TH) % @author : slandarer % pntSet : 二维数据点 % TH : 距离阈值 % 向量运算:计算所有点到首位两点连线距离 vertV=[pntSet(end,2)-pntSet(1,2),-pntSet(end,1)+pntSet(1,1)]; baseL=abs(sum((pntSet-pntSet(1,:)).*vertV./norm(vertV),2)); if max(baseL)<TH % 若距离小于阈值则返回首尾点 nPntSet=[pntSet(1,:);pntSet(end,:)]; else % 若距离大于阈值则左右两分支分别计算后拼接 maxPos=find(baseL==max(baseL));maxPos=maxPos(1); L_PntSet=pntSet(1:maxPos,:);nL_PntSet=dp(L_PntSet,TH); R_PntSet=pntSet(maxPos:end,:);nR_PntSet=dp(R_PntSet,TH); nPntSet=[nL_PntSet;nR_PntSet(2:end,:)]; end end
给个demo:
% 构造一组数据 X=linspace(0,25,10)'; Y=randi([0,10],[10,1]); pntSet=[X,Y]; % 阈值为2的dp算法 nPntSet=dp(pntSet,2); % 坐标区域修饰 hold on grid on ax=gca; ax.YLim=[0,10]; ax.DataAspectRatio=[1,1,1]; ax.Color=[1,1,1]; ax.XColor=[1,1,1].*.3; ax.YColor=[1,1,1].*.3; ax.LineWidth=1.5; ax.FontName='cambria'; ax.GridLineStyle='--'; % 绘制原始数据曲线 plot(pntSet(:,1),pntSet(:,2),'Color',[0 0.4470 0.7410],'LineWidth',2,'Marker','*'); % 绘制新数据曲线 plot(nPntSet(:,1),nPntSet(:,2),'Color',[0.6350 0.0780 0.1840 .7],'LineWidth',2,'Marker','s'); legend('original-curve','feature-curve')
对比与垂距法(Matlab利用垂距法实现提取离散坐标数据特征点),道格拉斯-普克算法(dp)不会出现下面这种情况,即虽然每次变化都不大,但是连着好几次相同方向变化导致某些特征不会被提取出来:
但比较让人头疼的是,阈值需要自己选取,以下是不同阈值时对比图像:
到此,相信大家对“怎么利用Matlab实现迭代适应点算法”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。